出生前診断の革命：PAICSディープラーニングシステムが神経超音波画像から胎児の頭蓋内奇形の検出を強化する方法をご覧ください

出生前診断の革命：PAICSディープラーニングシステムが胎児の頭蓋内奇形の検出を強化

人工知能（AI）特にディープラーニング（DL）は、医療画像と医療における成長している応用分野である。DLに関連する研究の多くは、検証済みのデータセットと既知の真のラベルを使用してモデルのパフォーマンスを後ろ向きに評価することに集中してきた。しかし、DLの支援が超音波医師の診断能力にどのように影響するかを調べた研究はほとんどなく、さらにDLが臨床診断の支援にどのように効果的に役立つかを探った研究はほとんどありません。

本研究では、36名の超音波医師を募集して多読者クロスオーバーランダム化比較試験（RCT）を実施しました。彼らは胎児脳の超音波画像と動画を評価することを課せられ、PAICSシステムの支援なしとPAICSシステムの支援の2つの異なるモードで行いました。主な目的は、PAICSの胎児頭蓋内奇形の診断支援効果を評価し、他の補助診断方法と比較することです。

この研究の結果は、PAICSシステムのディープラーニングの機能によって増強された2つの画像と動画の読み取りモードは、中枢神経系の奇形分類の正確性を大幅に向上させることを示しています。これは、PAICSシステムが胎児頭蓋内奇形の検出において超音波医師の診断能力を大幅に向上させる大きな約束を持っていることを示しています。

• 「機械学習における10種類のクラスタリングアルゴリズム」
• FlashAttentionアルゴリズムの深い探求-パート3
• 見逃せない7つの機械学習アルゴリズム

研究の過程で、異常な頭蓋内所見を持つ734人の胎児と正常な胎児19709人がスキャンされました。ただし、画像の品質や冗長性などの問題があるため、異常所見を持つ254人の胎児と正常な胎児19631人を除外しました。最終的に、559人の胎児からの709枚の元画像と動画（549枚の画像と160本の動画）が選択基準を満たし、研究に含まれました。

試験の結果からは、PAICSは脳超音波データから胎児頭蓋内奇形を特定する際に、同時に使用する場合も第二のモードで使用する場合も、超音波医師の診断能力を向上させる潜在能力を持っていることが示唆されます。全ての読者にとって、PAICSの同時使用のほうがより効果的であることに留意する価値があります。先天性頭蓋内奇形の検出において、PAICSが提供する支援を徹底的に評価するために、より多くの症例を用いた実際の臨床環境でのさらなる研究が必要とされます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!